[发明专利]目标跟踪方法、装置、电子设备及存储介质

说明书

本发明提供一种目标跟踪方法、装置、电子设备及存储介质。其中，目标跟踪方法包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。本发明能够提高目标跟踪的精确度。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种目标跟踪方法、装置、电子设备及存储介质。

背景技术

随着图像处理技术的发展，其应用领域相当广泛，例如医学、工业或者目标跟踪等方向。其中，在目标跟踪方向的应用尤为广泛，目标跟踪是指利用初始帧中包含的目标信息对后续帧中的目标进行跟踪。目标跟踪在很多智能应用中都有着优异的表现。

现有技术中，一般采用基于相关滤波器的传统跟踪算法或者基于深度学习的跟踪算法等，存在目标跟踪精确度低的问题。

发明内容

本发明提供一种目标跟踪方法、装置、电子设备及存储介质，用以解决现有技术中目标跟踪精确度低的缺陷，实现提高目标跟踪精确度的目的。

本发明提供一种目标跟踪方法，包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。

根据本发明提供的一种目标跟踪方法，所述分类及回归网络包括分类网络和回归网络，所述将所述初始特征图像输入到分类回归网络中，分别得到分类特征图像和回归特征图像包括：将所述初始特征图像输入到所述分类网络中，得到第一子分类特征图像和第二子分类特征图像；以及，将所述初始特征图像输入到所述回归网络中，得到第一子回归特征图像和第二子回归特征图像；将所述第一子分类特征图像和所述第二子分类特征图像分别进行融合处理，得到所述第一子分类特征图像对应的第一融合特征图像，以及，得到第二子分类特征图像对应的第二融合特征图像；将所述第一子回归特征图像和所述第二子回归特征图像分别进行所述融合处理，得到所述第一子回归特征图像对应的第三融合特征图像，以及，得到第二子回归特征图像对应的第四融合特征图像；将所述第一融合特征图像和所述第二融合特征图像进行相关性处理，得到所述分类特征图像；将所述第三融合特征图像和所述第四融合特征图像进行所述相关性处理，得到所述回归特征图像。

根据本发明提供的一种目标跟踪方法，所述融合处理的过程包括：将所述第一子分类特征图像、所述第二子分类特征图像、所述第一子回归特征图像或者所述第二子回归特征图像进行分组处理，得到分组图像特征集合；对所述分组图像特征集合中各个候选分组图像特征进行特征融合，得到各个所述候选分组图像特征对应的中间特征图像；将各个所述中间特征图像进行拼接，得到第一子分类特征图像对应的第一融合特征图像、所述第二子分类特征图像对应的第二融合特征图像、所述第一子回归特征图像对应的第三融合特征图像或者第二子回归特征图像对应的第四融合特征图像。

根据本发明提供的一种目标跟踪方法，所述对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像包括：对所述分类特征图像和所述回归特征图像分别进行横向池化处理，得到横向感知特征图像；以及，对所述分类特征图像和所述回归特征图像分别进行纵向池化处理，得到纵向感知特征图像；对所述横向感知特征图和所述纵向感知特征图进行拼接，得到拼接感知特征图像；

基于所述拼接感知特征图像，得到所述位置特征图像。